TencentDB Agent Memory： 让 AI Agent 团队拥有“集体记忆”

每日开源 · 第 103 期 · 早间篇TencentDB Agent Memory让 AI Agent 团队拥有“集体记忆”把对话、文档、代码变成可复用资产让经验在 Agent 之间流动项目速览**13.6k**GitHub Stars1,138今日新增TypeScript主要语言MIT开源协议一句话定位TencentDB Agent Memory是腾讯云数据库团队开源的团队级 Agent 记忆中枢把对话、文档和代码转化为四类可治理、可共享、可跨框架复用的记忆资产让 Agent 不再“换个 Session 就失忆”。Chat MemorySkillLLM-WikiCodeGraphOpenClawHermesClaude CodeCodeBuddy**GitHub**https://github.com/TencentCloud/TencentDB-Agent-Memory**核心信条**Agents remember. Humans innovate.让 Agent 沉淀经验让人专注创造。它能解决什么问题如果你长期使用 AI Agent一定经历过这些时刻昨天花 20 分钟讲清楚的项目背景今天新开一个对话窗口Agent 又忘了。同一个坑上次踩过这次换个 Agent 接着踩。团队里有人熟悉支付流程有人专攻缓存优化但这些经验没法被新 Agent 继承。一次长任务跑下来工具日志、错误堆栈把上下文撑爆Token 费用直线上升。问题的本质不是 Agent 不够聪明而是缺少一套能把“经验”沉淀下来并正确复用的记忆系统。传统 RAG 解决的是“能查到什么”但它不管“谁可以用、哪个版本有效、应该给哪个 Agent”。TencentDB Agent Memory 的解题思路把一次任务里产生的背景、判断和方法沉淀成可复用记忆资产让有效状态可以跨 Session、跨 Agent、跨框架继承。已有信息 → 可复用记忆资产 → 更少轮次 → 更少返工 → 更稳定的结果核心亮点1. 四类记忆资产把团队经验拆成可复用单元不是所有历史都值得保存。项目把团队记忆抽象成四类原子资产**Chat Memory聊天记忆**记录任务背景、关键决策、约束条件和过程发现解决“以前发生过什么”。**LLM-Wiki知识图谱**把产品文档、PRD、接口说明、运维手册转化为带链接图的结构化页面解决“当前有效知识在哪里”。**CodeGraph代码图谱**索引文件、符号、函数、调用链和影响范围解决“代码之间怎么关联”。**Skill技能库**把团队 SOP、工具链、检查项和可复用步骤封装成执行单元解决“团队通常怎样完成这类工作”。2. L0–L3 四层记忆金字塔可追溯的“压缩”传统方案要么把历史一股脑塞进上下文贵要么直接摘要丢了细节。TencentDB Agent Memory 选择把记忆分层L0 Conversation · 原始对话完整的对话记录与工具调用日志作为最底层的事实依据。L1 Atom · 原子事实从原始对话中抽取的事实、偏好、约束与事件每条带来源链接。L2 Scenario · 场景记忆围绕项目或场景组织的知识块快速恢复一个工作场景。L3 Persona · 长期画像稳定的用户画像和团队规范让 Agent 快速进入用户和团队语境。平时调用 L2/L3 快速进入语境需要具体事实时通过 BM25 向量检索 RRF 回退到 L1/L0。每一层都能回到原始记录查证不是黑盒压缩。L0 → L3 四层记忆金字塔从原始对话到长期画像3. 符号化压缩用 Mermaid 画布替代冗长日志长任务里最费 Token 的是中间过程日志——搜索结果、代码输出、错误堆栈动辄几十万个 Token。解法是把这些日志的逻辑关系抽出来转成Mermaid 符号图存着。上下文里只留一张轻量的符号地图靠 node_id 追踪需要某个细节时再通过 node_id 把原始文本调出来。这样既省了 Token又保留了可溯源能力。在超长 Session 实验中该方案最高节省61% Token同时把超长任务通过率从 33% 提升到 50%相对提升 52%。4. Agent Loadout ACL记忆不是全局 Prompt所有记忆资产统一登记为 Memory Asset。Memory Hub 通过Fixed Binding ACL决定某个 Agent 能带走哪些资产先按 Team、User、Agent 和可见性缩小权限范围再按当前问题召回。新 Chat Memory 和 Skill 默认私有分享是显式操作不是默认泄露。可见性支持 private、team、restricted、agent 四级。5. 与标准 RAG 的对比跨会话用户理解聊天历史△标准 RAG△Agent Memory✅沉淀可执行经验聊天历史—标准 RAG—Agent Memory✅ Skill文档结构与关系聊天历史—标准 RAG△ 切片检索Agent Memory✅ Wiki 链接图代码调用与影响范围聊天历史—标准 RAG△ 文本命中Agent Memory✅ CodeGraph团队共享 / 版本 / 权限聊天历史—标准 RAG△Agent Memory✅6. 实测效果PersonaMem 准确率提升 59%在公开评测 PersonaMem 中启用 Agent Memory 后总回答准确率从48% 提升至 76%相对提升约 59%。另据实测Token 消耗降低约61.38%任务成功率相对提升51.52%。实战场景展示场景一给“一个人的公司”组一支会成长的 Agent 队伍在 Memory Hub 中建一个 Team把角色拆成 Scout调研、Builder写代码、Reviewer测试和 Agent Memory沉淀经验。不同角色绑定不同的记忆资产**Scout**用户访谈 Chat Memory 市场研究 Wiki 竞品分析 Skill**Builder**产品 Wiki 项目 CodeGraph Feature Delivery Skill**Reviewer**历史事故 Chat Memory 项目 CodeGraph 发布检查清单 Skill你不是在开四个彼此失联的聊天窗口而是在组一支角色不同、能继承团队经验的 Agent 小队。每一次任务结束都是团队记忆的一次积累场景二长期项目维护不再当“复读机”后端项目里不同人负责不同模块。没有记忆系统时每次换人都要重新讲项目背景、踩过的坑、哪些接口要小心。接入后Agent 在对话开始前先加载项目画像知道之前解决过什么问题、哪些模块还有技术债、遇到同类问题该找谁确认。场景三CodeGraph 让老代码不再难啃CodeGraph 不只是建一个代码索引它把符号、文件、调用关系、影响路径全部串起来。当 Agent 需要在一万行老代码里找 Bug 时先靠 CodeGraph 找到最相关的调用路径再进到具体文件里定位。把整个代码库扔给模型太贵了精准召回和全量塞入的成本差距在大项目里一目了然。场景四跨团队知识传承新同事上手不能只靠翻文档。Skill 资产可以把老员工解决问题的路径结构化存下来——当时怎么想的、走了哪些弯路、最后用什么方案解决。新人遇到同类问题Agent 直接调用对应 Skill比翻文档高效得多。上手指南推荐用 Docker 一键拉起完整三件套memory-core memory-hub proxy# 1. 克隆仓库gitclone https://github.com/Tencent/TencentDB-Agent-Memory.gitcdTencentDB-Agent-Memory/deploy/global-images# 2. 准备环境变量填入 LLM 参数cp.env.example .env$EDITOR.env# MEMORY_LLM_BASE_URL / MEMORY_LLM_API_KEY / MEMORY_LLM_MODEL# PROXY_UPSTREAM_URL / PROXY_UPSTREAM_API_KEY / PROXY_UPSTREAM_MODEL# 3. 一键启动./start-all.sh启动完成后打开面板 http://localhost:8125用 deploy/global-images/.admin-key 中的 key 登录。**推荐**admin 用户是“运维口”建议单独创建一个 normal 业务用户来管理 Team / Agent / Task 资产实现权限隔离。让 Claude Code 走 Proxy 使用记忆exportANTHROPIC_BASE_URLhttp://127.0.0.1:8096/claude-code/defaultexportANTHROPIC_AUTH_TOKEN$(cat./.admin-key)claude--model你在 .env 里配置的上游模型首次会话会弹出 Team → Agent → Task 选择表单选完后 proxy 会自动把该 Agent 的 L2/L3 记忆、Skill、Knowledge 注入 system prompt。OpenClaw 用户更简单openclaw pluginsinstalltencentdb-agent-memory/memory-tencentdb openclaw gateway restartHermes / CodeBuddy / 其他 OpenAI 兼容平台也支持通过 Proxy 接入只需把 base URL 指向 Proxy 并携带 team / agent / task 等 header。五个步骤跑通一个最小可用流程在面板中创建Team资产归属容器。在 Team 下创建Agent填写 description 和 system prompt。可选创建Task作为本次工作的抓手。用 Claude Code 或 CodeBuddy 走 Proxy 启动会话选择 Team / Agent / Task。在面板“记忆”页观察 L0 原始对话被切分、L2/L3 画像逐步累积。今日总结与互动TencentDB Agent Memory 不是在给 Agent 做一个更大的向量数据库而是在做一件事让 Agent 真正拥有“经验”而不只是“记录”。四层记忆金字塔 Mermaid 符号压缩 Agent Loadout 权限治理这三个设计合在一起让记忆变得可追溯、可复用、可治理。对于已经在用 OpenClaw、Hermes、Claude Code 或 CodeBuddy 的团队这个项目值得认真试试。**今日问题**你在使用 AI Agent 时最希望它能“记住”什么是项目规范、历史决策还是某位同事的排障思路欢迎在评论区聊聊。— 每天一个值得深读的开源项目 —本文素材来自 TencentDB Agent Memory 官方 README / INSTALL 文档、DeepWiki 架构解析、InfoQ 及腾讯新闻深度报道。项目地址https://github.com/TencentCloud/TencentDB-Agent-Memory